基于拓扑解耦与协作强化学习智能体的复杂网络分层动态路由
多智能体系统
2022-07-05 v1
摘要
通信网络的传输容量可由从自由流状态到拥塞状态的转变来刻画。此处，我们提出一种基于分层旁路选择的复杂网络动态路由策略。路由决策由部署在具有高介数中心性的选定节点上的强化学习智能体做出。由于其旁路的退化性，智能体的学习过程彼此解耦。通过由底层流量动态所中介的相互作用，智能体协作行动，并自发产生相干行动。仅用少量智能体，传输容量即显著提升，包括在路由器级和自治系统级的真实互联网网络中。我们的策略对链路移除也具有弹性。
引用
@article{arxiv.2207.00763,
title = {Hierarchical Dynamic Routing in Complex Networks via Topologically-decoupled and Cooperative Reinforcement Learning Agents},
author = {Shiyuan Hu and Shihan Xiao},
journal= {arXiv preprint arXiv:2207.00763},
year = {2022}
}